数据科学家 vs 数据工程师：对这些角色的需求正在如何变化

研究表明，许多公司无法找到他们需要的人才，因为他们难以应对转变 将大量数据转化为可用信息。

通常这意味着寻找数据科学家，这导致对能够填补这一特定职位的招聘人员的需求猛增。 但是，虽然雇佣更多自称数据科学家的人是解决问题的一种方法，但公司也在想出替代方案，这并不意味着加入竞争来雇佣这些难以捉摸的人。

在 办公室，混合或远程，这就是你在何处、何时以及如何工作的变化。

技术分析师 Forrester 五年前警告说，虽然公司正忙于将大量资源用于吸引数据科学人才，但他们可能会忘记 投资于有助于科学家从数据中创造价值的工程能力。 现在，似乎有些公司开始解决这种不平衡问题。

SEE：软件技能会让你走得更远，但你不必成为一名程序员也能在技术领域大展拳脚

Loïc Giraud，数字平台和产品交付全球主管 在生命科学巨头诺华，他认识到人才争夺战在不久前还是一个大问题。 但今天，它不再那么令人担忧了。

“我认为这是炒作，”他说。 “两年前，很难找到数据科学家。”

诺华有大约 2,000 名数据科学家，Giraud 表示，他的人才争夺战现在集中在其他领域，包括吸引数据工程人才和磨练业务分析师能力——他预计其他领域 公司也会得出类似的结论。

“我认为对数据科学家的需求不会增加。我认为你会发现更多的技术，这些技术更容易使用，业务分析师也可以从事科学工作，”他 说。

“事实上，即使在我们的组织中，我们也没有试图寻找更多的数据科学家。我们正在努力构建可供更多人使用的软件解决方案，并让业务分析师的数据科学民主化。”

诺华是 专注于寻找所需的全栈工程能力，以帮助组织内的业务分析师充分利用其拥有的数据。

而数据科学家利用他们的技能创建模型并解决问题 问题，数据工程师构建和管理位于数据源和数据分析之间的基础设施。 两者都很重要，但越来越多的证据表明，以牺牲数据工程为代价，过分强调数据科学。

另一位行业评论员建议正在进行“课程修正”。 数据科学家 Maruf Hossain 去年在一篇博文中写道，许多组织雇用数据科学家，然后向他们展示与数据工程师相关的更常见的工作。

他认为，这种错位的发生是因为许多数据科学家加入的公司没有强大的技术基础 运行分析。

然后任务落到数据科学家身上，以帮助建立这些基础。 因此，当他们应该编码或创建算法时，一些科学家最终会履行不太可能与其现有能力紧密匹配的技术角色。

不管他们最终履行什么角色，公司仍在寻找 数据科学人才：CodinGame 和 CoderPad 最近的技术招聘调查确定数据科学是一个供不应求的职业。

当然，这些公司是否需要全能的数据科学家或更类似于全栈工程师的人才是许多候选人所关心的 可能只有在他们开始担任该职位时才会发现。

新的工作世界需要一套新的技能。 为了取得成功，您需要了解以下内容。

为此，Giraud 和他在诺华的同事已经开展的工作为希望聘请数据科学家的经理和希望担任这些角色的专业人士提供了一些重要的指导。

SEE： 如何升职：攀登阶梯并获得成功职业生涯的五种方法

过去几年，该公司确保其数据科学家技能差距得到填补的方法涉及发现之旅，现在正引领着对工程和业务的新关注 分析。

公司采取了一种基于云的方法，并在 2017 年采用 Snowflake 作为全面努力的一部分——被称为一级方程式——将其运营的各个方面数字化。

这种方法的一部分包括创建一个新的首席数据办公室，以促进 使用技术和数据来改进组织中的决策过程。

“当我们创建 CDO 办公室时， 我们从整个行业招聘人才。 我们创建了一个数据科学学院，然后我们开始招募很多人。 我们的组织中有很多统计学家，我们也将他们转变为数据科学家，”Giraud 说。

他的组织很快学到的关键之一是，如果没有好的数据，数据科学将毫无用处。

对于 第一年半，诺华的数据科学家花费了 60% 到 70% 的时间来识别和管理数据，而不是编写算法。

那时，公司开始更加仔细地考虑所需的人才，以及 数据工程师发挥的关键作用。

“最终，作为一名数据工程师，我们需要擅长将我们的数据集集成在一起的人——而全栈工程师让你的整个堆栈以集成的方式工作，”他说。

今天 ，该公司的 2,000 名数据科学家使用来自 Snowflake、Databricks、Data IQ 和 Sage Maker 等公司的工具来寻找应对业务挑战的智能解决方案。

这些科学家是一个团队的一员，他们正在使用数据来解决问题。 lp 以前所未有的速度将改变生活的药物推向市场。

SEE：“我曾经经营过一家酒吧，现在我在科技行业工作”。 职业变革者为何转向 IT

从最初的研究到制造、试验和分销，传统上将一种新药推向市场需要长达 12 年的时间。 通过将数据和人工智能应用于这些流程，诺华相信它可以将时间缩短到九年。

Giraud 表示，该公司对数据科学的严格控制正在帮助它决定应该将其每年 500 项试验中的哪一项推进和开发为 可以推向市场的药物。 随着公司数据工程平台的不断完善，Giraud 期望整个企业的专业人士对他们创造的洞察力承担更多责任。

六七年前，他的团队曾经创建诺华使用的所有仪表板。 如今，整个企业有近 3,000 人创建自己的仪表板。

因此，数据科学正在普及——Giraud 希望确保他的才华横溢的数据科学家和工程师专注于能够产生最大影响的高级活动。

“我不希望我的团队创建仪表板，因为它没有任何价值，”他说。 “我希望业务分析师和业务用户拥有一个可以自助服务的平台。”